Stream手册 - 简介

[译者注:]译自@substack - stream-handbook

本文主要介绍如何使用streams来编写node.js应用.

"在处理程序之间的连接问题时,我们希望能够像浇水一样,在需要的时候控制流量大小,从而更好的管理数据.这就是我们所谓的IO."

Doug McIlroy. October 11, 1964

在unix最早的时期,Streams就已经出现,用于在构建大型系统时连接各个功能独立的模块.在unix当中,可以通过使用 | 来使用stream.在node中,stream module已经被作为内置模块被核心的各个库所使用,也可以被用户空间所使用.与unix类似,node的stream模块主要以 .pipe() 作为操作符,node中还同时提供了解压机制用于控制慢速流程.

Stream是unix编程中的一个重要组成部分,但是同样也有很多其他的抽象的**值得考虑.

为什么要使用streams

node中的I/O都是异步的,因此与硬盘和网络的之间的通讯都需要传入回调函数.在需要从硬盘读取一个文件时你可能会这样写:

var http = require('http');
var fs = require('fs');

var server = http.createServer(function (req, res) {
  fs.readFile(__dirname + '/data.txt', function (err, data) {
    res.end(data);
  });
});
server.listen(8000);

这段代码虽然可以正常工作.但是在每次发送请求并返回结果到客户端时,都会把整个 data.txt 文件读取到内存当中.如果 data.txt 非常大,你的程序可能会开始吃掉很大的内存,对于那些连接速度很慢的用户来说更为明显.

这样做的用户体验也会很差,因为用户需要一直等到整个文件被加载到内存当中后才能开始接收数据.

幸运的是 (req, res) 两个参数都是streams,这也意味着我们可以用另外一种更好的方式来写这段代码:

var http = require('http');
var fs = require('fs');

var server = http.createServer(function (req, res) {
  var stream = fs.createReadStream(__dirname + '/data.txt');
  stream.pipe(res);
});
server.listen(8000);

这里 .pipe() 负责监听 fs.createReadStream() 方法的 'data' 和 'end' 事件.这样代码看起来会更加整洁,而且 data.txt 文件的数据会在从硬盘读取到之后立即发送给客户端.

使用 .pipe() 还有一些其他好处.例如在处理backpressure时,针对慢速连接用户,可以控制buffer从而避免将过度的buffer写入用户的内存.

如果你想对数据进行压缩,也有对应的streaming模块来实现.

var http = require('http');
var fs = require('fs');
var oppressor = require('oppressor');

var server = http.createServer(function (req, res) {
  var stream = fs.createReadStream(__dirname + '/data.txt');
  stream.pipe(oppressor(req)).pipe(res);
});
server.listen(8000);

现在读取的文件已经可以被支持gzip的浏览器所使用! oppressor可以自动帮我们解决转码的问题.

在你学习并且理解了stream的api之后,你就可以像使用乐高积木一样随心所欲的使用各个stream模块,从而可以避免强迫自己去记那些不是使用stream模块的各种奇怪的api.

stream的存在,让使用node编程更加的简单,优雅,并且有利于代码的组件化.

基础

主要有5种类型的stream: readable(可读), writable(可写), transform(可转), duplex(可逆)以及"classic".

pipe

所有类型的stream都是用 .pipe() 来匹配数据的写入与输出.

.pipe() 函数接受readable(可读)的源stream src 并连接输出到目标 writable(可写) stream dst 中:

src.pipe(dst)

.pipe(dst) 返回 dst ,便于连接多个不同的 .pipe() 函数:

a.pipe(b).pipe(c).pipe(d)

这种写法类似与:

a.pipe(b);
b.pipe(c);
c.pipe(d);

这和你通常在命令行或者终端中使用pipe一样:

a | b | c | d

区别在于你是在node中而不是终端里!

readable streams

Readable stream产生数据,可以通过调用 .pipe() 传入到writable, transform或者duplex stream中去:

readableStream.pipe(dst)

创建readable stream

var Readable = require('stream').Readable;

var rs = new Readable;
rs.push('beep ');
rs.push('boop\n');
rs.push(null);

rs.pipe(process.stdout);

$ node read0.js
beep boop

rs.push(null) 告诉stream使用者 rs 已经完成输出数据.

这里要注意的是我们在把数据pipe到 process.stdout 之前就已经将内容添加到readable stream当中,但是仍然的到的是完整的信息.

这是因为在 .push() 数据到readable stream时,所产生的数据被添加到buffer中,直到stream使用者需要时才会被读取.

然而,在很多时候我们都是希望仅仅在stream使用者真正需要时才产生数据,从而避免数据被buffer到一起.

我们可以通过定义一个 ._read 函数来按需推送数据:

var Readable = require('stream').Readable;
var rs = Readable();

var c = 97;
rs._read = function () {
  rs.push(String.fromCharCode(c++));
  if (c > 'z'.charCodeAt(0)) rs.push(null);
};

rs.pipe(process.stdout);

$ node read1.js
abcdefghijklmnopqrstuvwxyz

现在我们只会在使用者准备好读取时才会将字母 'a' 到 'z' push到数组中.

_read 函数同时接受一个 size 作为参数,用于定义使用者希望读取的字节数,但是readable stream可以根据自己需求选择忽略 size 参数.

值得注意的是,你可以通过使用 util.inherits() 方法创建一个子stream类,但是这种方式不太适用于比较复杂的场景.

为了证明 _read 函数只在使用者请求时才被调用,我们可以稍微修改一下刚才的代码:

var Readable = require('stream').Readable;
var rs = Readable();

var c = 97 -1;

rs._read = function () {
  if (c >= 'z'.charCodeAt(0)) return rs.push(null);

  setTimeout(function() {
    rs.push(Sting.fromCharCode(++c));
  }, 100);
};

rs.pipe(process.stdout);

process.on('exit', function () {
  console.error('\n_read() called ' + (c - 97) + ' times');
});

process.stdout.on('error', process.exit);

运行这段代码,我们会发现当我们只请求5字节的输出时 _read() 只被调用了5次.

$ node read2.js | head -c5
abcde
_read() called 5 times

因为操作系统需要一定的时间来发送相关指令去关闭pipe,所以这里使用setTimeout来设置延迟是很有必要的.

The process.stdout.on('error', fn) handler is also necessary because the operating system will send a SIGPIPE to our process when head is no longer interested in our program's output, which gets emitted as an EPIPE error on process.stdout.

这些额外的复杂操作在使用操作系统外部的pipe时很有必要,但是如果我们一直使用node的stream,这些问题都会被自动处理.

如果你需要创建一个字符串或者对象以外的任意类型值的readable stream,切记使用 Readable({ objectMode: true}).

使用readable stream

大部分情况下将readable stream pipe到其他类型的stream会相对容易一些,或者也可以传入到一些其他模块生成的stream中,例如through或者concat-stream. 但是也不排除在某些场景下也可能会需要直接使用readable stream.

process.stdin.on('readable', function () {
  var buf = process.stdin.read();
  console.dir(buf);
});

$ (echo abc; sleep 1; echo def; sleep 1; echo ghi) | node consume0.js
<Buffer 61 62 63 0a>
<Buffer 64 65 66 0a>
<Buffer 67 68 69 0a>
null

在有可供使用的数据时 'readable'时间就会被触发,可以通过 .read() 方法从buffer中读取数据.

stream完成之后, .read() 方法会因为没有更多的数据而返回 null.

你也可以通过传入参数来设置返回的数据大小.这样做一般不推荐,因为它不适用于object stream, 但是所有的核心stream都支持这种写法.

以下例子使用 .read(n) 方法将buffer分为3个字节来输出:

process.stdin.on('readable', function () {
  var buf = process.stdin.read(3);
  console.dir(buf);
});

运行这段代码你会发现数据没有被完整的返回!

$ (echo abc; sleep 1; echo def; sleep 1; echo ghi) | node consume1.js
<Buffer 61 62 63>
<Buffer 0a 64 65>
<Buffer 66 0a 67>

这是因为在内部buffer中已经没有额外的剩余数据,我们需要告诉node我们需要读取剩余的已经读取的数据.可以简单的调用 .read(0) :

process.stdin.on('readable', function () {
  var buf = process.stdin.read(3);
  console.dir(buf);
  process.stdin.read(0);
});

现在数据可以按照我们想要的方式正常返回了.

$ (echo abc; sleep 1; echo def; sleep 1; echo ghi) | node consume2.js
<Buffer 61 62 63>
<Buffer 0a 64 65>
<Buffer 66 0a 67>
<Buffer 68 69 0a>

你也可以使用 .unshift() 在 .read() 方法返回给你多余的数据是按照相同的逻辑来进行处理.

使用 .unshift() 方法可以防止产生多余的buffer. 我们可以构造一个readable的解析器来将数据分行:

var offset = 0;

process.stdin.on('readable', function () {
  var buf = process.stdin.read();
  if (!buf) return;
  for (; offset < buf.length; offset++) {
    if (buf[offset] === 0x0a) {
      console.dir(buf.slice(0, offset).toString());
      buf = buf.slice(offset + 1);
      offset = 0;
      process.stdin.unshift(buf);
      return;
    }
  }
  process.stdin.unshift(buf);
});

$ tail -n +50000 /usr/share/dict/american-english | head -n10 | node lines.js
'hearties'
'heartiest'
'heartily'
'heartiness'
'heartiness\'s'
'heartland'
'heartland\'s'
'heartlands'
'heartless'
'heartlessly'

然而,在npm上已经有了一些模块可以去完成这件事情,例如split.